С 2001 года мы каждый год выбираем 10 прорывных технологий. Люди часто спрашивают, что именно мы имеем в виду, говоря «прорывные»? Это разумный вопрос: некоторые из технологий, которые мы выбрали, еще не получили широкого распространения, а другие уже могут стоять на пороге коммерческого использования. Что мы на самом деле ищем — это технологии или даже наборы технологий, которые окажут глубокое влияние на нашу жизнь.
В этом году новый виток в развитии искусственного интеллекта — GAN (генеративные состязательные нейросети) — дает машинам воображение; искусственные эмбрионы, несмотря на некоторые щекотливые этические ограничения, позволяют пересмотреть способы зарождения жизни и открывают окно для исследований в ранние моменты человеческой жизни; экспериментальная установка в центре нефтехимической промышленности Техаса пытается создать полностью чистую электроэнергию из природного газа — вероятно, основного источника энергии в обозримом будущем. На эти и остальные пункты нашего списка стоит обратить внимание.
3D-печать на металле
Несмотря на то, что трехмерная печать существует уже много десятилетий, она по большей части остается прерогативой любителей и дизайнеров, производящих одноразовые прототипы. И печать объектов при помощи чего-то иного, чем пластмасса, в частности, металла, была дорогой и мучительно медленной.
Теперь, однако, 3D-печать дешевеет и заметно упрощается, что позволяет ей стать практичным способом изготовления деталей. Ее широкое распространение может изменить способ массового производства многих продуктов.
В краткосрочной перспективе производителям не нужно будет поддерживать большие складские запасы: они смогут просто распечатать объект, например, запасную часть для старого автомобиля, когда кому-то это понадобится.
В долгосрочной перспективе крупные заводы, производящие ограниченный диапазон деталей, могут быть заменены более мелкими, которые смогут выпускать разнообразный ассортимент, адаптируясь к меняющимся потребностям клиентов.
Благодаря этой технологии можно будет создавать более легкие и более прочные детали, сложные формы, которые невозможно изготовить при использовании обычных методов работы с металлами. Также можно будет обеспечить более точный контроль за микроструктурой металлов. В 2017 году исследователи из Национальной лаборатории Лоуренса Ливермора объявили, что разработали метод трехмерной печати для создания деталей из нержавеющей стали, которые в два раза прочнее, чем изготовленные традиционным методом.
Также в 2017 году небольшой стартап Markforged, базирующийся недалеко от Бостона, выпустил первый трехмерный металлический принтер стоимостью менее $100 тысяч. А их сосед Desktop Metal начал поставлять свои первые прототипы для работы с металлом в декабре 2017 года. Он планирует начать продажу более крупных машин, которые в 100 раз быстрее, чем старые методы печати из металла.
Печать металлических деталей становится проще. Desktop Metal теперь предлагает программное обеспечение, которое создает готовые проекты для трехмерной печати. Пользователи задают в программе спецификации объекта, который хотят распечатать, и программное обеспечение создает компьютерную модель, необходимую для печати.
GE — давний сторонник использования трехмерной печати в своих авиационных продуктах — создала тестовую версию нового металлического принтера, которая достаточно быстра и поэтому позволяет изготавливать большие детали. Компания планирует начать продажу принтера в 2018 году.
Искусственные эмбрионы
Прорывную технологию, которая переворачивает наш взгляд на то, как зарождается жизнь, разработали эмбриологи Кембриджского университета в Великобритании. Они выращивают мышиные эмбрионы, выглядящие как настоящие, используя только стволовые клетки. Нет яйцеклетки. Нет сперматозоида. Просто клетки, взятые из другого эмбриона.
Исследователи аккуратно разместили клетки в трехмерном каркасе и зачарованно наблюдали, как они начали соединяться и оформляться в характерную для мышиного эмбриона форму пули несколько дней спустя.
«У стволовых клеток просто волшебный потенциал. Мы не осознавали, что они могут самоорганизоваться так прекрасно», — рассказала возглавляющая команду исследователей Магделена Зерницка-Гетц.
Зерницка-Гетц отметила, что из ее «синтетических» эмбрионов, вероятно, не сможет получиться настоящая мышь. Тем не менее, уже скоро млекопитающие смогут рождаться вовсе без яйцеклеток.
Впрочем, цель Зерницка-Гетц не в этом. Она намерена изучать, как клетки эмбрионов начинают получать свои специфические роли. Следующий шаг, по ее словам, в создании искусственного эмбриона из человеческих стволовых клеток, и эта работа ведется в Университете Мичигана и Университете Рокфеллера.
Искусственные человеческие эмбрионы могли бы помочь ученым лучше изучить отдельные этапы ранней стадии развития. И поскольку такие эмбрионы создаются из легко управляемых стволовых клеток, лаборатории смогут использовать весь спектр инструментов, например, редактирование генов, чтобы исследовать их по мере их роста.
Однако искусственные эмбрионы ставят этические вопросы. Что, если они окажутся неотличимыми от настоящих эмбрионов? Как долго их можно выращивать в лаборатории, прежде чем они начнут чувствовать боль? Биохимики говорят, что нужно решить эти вопросы до того, как наука пойдет дальше.
Чувственный город
Многие планы создания смарт-городов столкнулись с задержками, не справились со своими амбициозными целями или были вынуждены вовсе свернуться. Новый проект в Торонто, названный Quayside, надеется преодолеть это, переосмыслив городской квартал с нуля и перестроив его в соответствии с новейшими цифровыми технологиями.
Лаборатория компании Alphabet Sidewalk Labs, базирующаяся в Нью-Йорке, сотрудничает с правительством Канады в высокотехнологичном проекте, предназначенном для промышленной набережной Торонто.
Одна из целей проекта состоит в том, чтобы строить решения архитектурных, технологических и других городских проблем на информации из обширной сети датчиков, которые собирают самые различные данные: от качества воздуха до уровня шума и активности жителей.
В плане предусматривается, что все транспортные средства должны быть автономными и совместно использоваться. Роботы будут перемещаться под землей, выполняя разные дела, например, доставку почты. Sidewalk Labs заявляет, что откроет доступ к программному обеспечению и системам, которые она создает, и другие компании смогут создавать сервисы на их основе — так, как люди создают приложения для мобильных телефонов.
Компания намерена внимательно следить за общественной инфраструктурой, и это вызывает обеспокоенность в отношении управления данными и конфиденциальности. Но Sidewalk Labs считает, что при помощи общества и местного правительства сможет свести эти проблемы к минимуму.
«Отличительное свойство нашего проекта Quayside в том, что он не только необычайно амбициозен, но и в определенной степени деликатен», — говорит Рит Аггарвала, исполнительный директор по планированию городских систем Sidewalk Labs. Эта деликатность может помочь Quayside избежать ловушек, в которые попадали предыдущие инициативы по созданию интеллектуального города.
По данным государственного агентства Waterfront Toronto, курирующего развитие Quayside, другие североамериканские города уже встают в очередь в Sidewalk Labs. «Сан-Франциско, Денвер, Лос-Анджелес и Бостон хотят познакомиться», — говорит генеральный директор агентства Уилл Флейсиг.
ИИ для всех
Искусственный интеллект до сих пор был игрушкой в первую очередь крупных технологических компаний, таких как Amazon, Baidu, Google и Microsoft, а также некоторых стартапов. Для многих других компаний и отраслей экономики системы ИИ слишком дороги и слишком сложны.
В чем же решение? Средства машинного обучения, базирующиеся в облачных хранилищах, дают доступ к ИИ гораздо более широкой аудитори. Пока в сфере облачного ИИ лидирует Amazon в лице своей дочерней компании AWS. Google бросает ей вызов при помощи TensorFlow — библиотеки ИИ с открытым исходным кодом, которая может быть использована для создания другого программного обеспечения для машинного обучения. Недавно Google анонсировал Cloud AutoML — набор предварительно подготовленных систем, которые могли бы сделать ИИ более простым в использовании.
Microsoft, у которой есть Azure — собственная облачная платформа с ИИ-интерфейсом, — объединяется с Amazon, чтобы предложить Gluon — библиотеку глубинного обучения с открытым исходным кодом. Предполагается, что Gluon позволит создавать нейронные сети — ключевую технологию искусственного интеллекта, которая приблизительно имитирует то, как учится человеческий мозг, — так же просто, как приложения для смартфонов.
Неясно, какая из этих компаний станет лидером в предоставлении облачных сервисов ИИ. Но очевидно, что это — потрясающая возможность развития бизнеса для того, кто победит. Эти продукты будут важны, если революция искусственного интеллекта широко распространится в разные части экономики.
Сейчас ИИ используется в основном в технологической отрасли, где он повышает эффективность и помогает создавать новые продукты и услуги. Но многие другие предприятия и отрасли также пытаются воспользоваться достижениями в области искусственного интеллекта. Такие сектора, как медицина, производство и энергетика, также могут измениться и значительно повысить производительность, если смогут более полно внедрить ИИ.
Однако большинству компаний не хватает людей, которые умеют пользоваться облачным ИИ. Поэтому Amazon и Google также предлагают консультационные услуги. Как только благодаря «облаку» ИИ станет доступен почти каждому, может произойти самая настоящая революция ИИ.
Дуэль нейронных сетей
Искусственный интеллект начинает очень хорошо идентифицировать предметы: покажите ему миллион фотографий, и он сможет с необычайной точностью сказать, где изображен пешеход, переходящий улицу. Но самостоятельно создать картинку пешехода ИИ абсолютно не способен. Если бы у него была эта способность, он мог бы создавать кучу реалистичных, но искусственных картин, изображающих пешеходов в разных условиях, которые самоходный автомобиль мог бы использовать для обучения, не выезжая на улицу.
Проблема в том, что создание чего-то совершенно нового требует воображения — и до сих пор это озадачивало ИИ.
Решение впервые возникло в 2014 году у аспиранта Монреальского университета Иана Гудфеллоу во время спора в баре. Подход, известный как генеративная состязательная нейросеть, или GAN, предполагает использование двух нейронных сетей — упрощенных математических моделей человеческого мозга, которые лежат в основе самого современного машинного обучения, — и их цифровую игру в «кошки-мышки» друг с другом.
Обе сети обучаются на одном и том же наборе данных. Одной, известной как генератор, поручено создавать вариации из изображений, которые они уже видели — например, картинку пешехода с дополнительной рукой. Второй сети, известной как дискриминатор, нужно определить настоящее ли это изображение или подделка, произведенная генератором, – проще говоря, реален ли трехрукий человек?
Со временем генератор может научиться создавать настолько хорошие фейковые картинки, что дискриминатор не сможет распознать подделки. По существу, генератора научили распознавать, а затем создавать реалистичные образы пешеходов.
Эта технология стала одним из самых перспективных достижений в области ИИ за последнее десятилетие, помогающих машинам производить вещи, способные обмануть даже людей.
GAN используются для создания реалистично звучащей речи и реалистичных картинок. В одном убедительном примере исследователи из производителя чипов Nvidia загрузили в GAN фотографии знаменитостей, чтобы создать сотни заслуживающих доверия лиц людей, которых не существует. Другая исследовательская группа изготовила убедительные поддельные картины, похожие на работы Ван Гога. Кроме того, GAN могут перерисовывать изображения разными способами: например, сделать солнечную дорогу заснеженной или превратить лошадей в зебры.
Результаты не всегда бывают идеальными: GAN могут создавать велосипеды с двумя рулями или лица с бровями в неправильном месте. Но поскольку изображения и звуки часто поразительно реалистичны, некоторые эксперты считают, что в каком-то смысле GAN начинают понимать основную структуру мира, который они видят и слышат. И это означает, что ИИ может получить вместе с чувством воображения более независимую способность понимать то, что он видит в мире.
Наушники для перевода
В культовом научно-фантастическом романе «Автостопом по галактике» человек вставляет желтую «вавилонскую рыбку» в ухо, чтобы слушать перевод в ту же секунду. В реальном мире Google придумала переходное решение: $159 за пару наушников, называемых Pixel Buds. Они работают со смартфонами Pixel и приложением Google Translate, чтобы получать перевод практически в реальном времени.
Один человек надевает наушники, другой использует телефон. Владелец наушника говорит на своем языке — английском по умолчанию, — и приложение переводит разговор и воспроизводит его в телефоне. Человек, который держит телефон, отвечает, и этот ответ переводится и воспроизводится через наушники.
В Google Translate уже есть разговорная функция, а ее приложения для iOS и Android позволяют двум пользователям разговаривать, автоматически определяя, какие языки они используют, а затем переводя речь. Но фоновый шум может помешать приложению понять, что говорят люди, а также определить, что человек перестал говорить, и пришло время начать перевод.
Pixel Buds обходят эти проблемы, потому что человек, который носит наушники, нажимает и держит палец на правом наушнике, пока говорит. Разделение взаимодействия между телефоном и наушниками дает каждому человеку возможность контролировать микрофон и помогает говорящим поддерживать зрительный контакт, поскольку им не нужно передавать телефон туда-сюда.
Pixel Buds подверглись критике за дурацкий дизайн. Они выглядят глупо, и могут быть проблемы с тем, чтобы вставить их в уши. Кроме того, не так-то просто синхронизировать их с телефоном.
Однако неудобства можно исправить. Pixel Buds — это надежда на возможность общения между людьми, говорящими на разных языках, почти в реальном времени. И никакая рыбка не нужна.
Безуглеродный природный газ
Похоже, природный газ будет одним из основных источников электроэнергии для нашего мира в обозримом будущем. Он дешевый и легкодоступный, он обеспечивает более 30% электроэнергии в США и 22% мировой электроэнергии. И хотя он чище, чем уголь, газ по-прежнему выступает крупным источником выбросов углекислого газа.
Экспериментальная электростанция недалеко от Хьюстона, в центре нефтяной и нефтеперерабатывающей промышленности США, тестирует технологию, которая могла бы сделать чистую энергию из природного газа реальностью. Компания Net Power, разработавшая 50-мегаваттный проект, считает, что сможет генерировать электроэнергию так же дешево, как и стандартные установки природного газа, и по сути улавливать в процессе весь выброс углекислого газа.
Если это так, значит, у мира есть способ производить безуглеродную энергию из ископаемого топлива по разумной цене, избегая высоких капитальных затрат на ядерную энергию и нестабильности возобновляемых источников энергии.
Net Power — это сотрудничество между компанией по разработке технологий 8 Rivers Capital, Exelon Generation и энергетической компанией CB&I. Компания находится в процессе ввода в эксплуатацию очистной установки и начала тестирование. Результаты первых оценок обещают опубликовать в предстоящие месяцы.
Установка выделяет углекислый газ из горящего природного газа под высоким давлением и теплом, используя полученный сверхкритический CO2 в качестве «рабочей жидкости», которая управляет специально построенной турбиной. Большая часть диоксида углерода может непрерывно перерабатываться; остальное можно дешево перехватить.
Ключевая часть снижения стоимости зависит от продажи этого углекислого газа. Сегодня основное использование заключается в оказании помощи в добыче нефти из нефтяных скважин. Это ограниченный рынок, к тому же не особенно «зеленый». Однако Net Power надеется увидеть растущий спрос на углекислый газ в производстве цемента, пластмасс и других материалов на основе углерода.
Технология Net Power не решит все проблемы с природным газом, особенно в части добычи. Но пока мы используем природный газ, мы должны делать процесс как можно чище. Из всех экологически чистых технологий проект Net Power — один из самых далекоидущих, который обещает нечто куда более масштабное, чем небольшое сокращение выбросов углерода.
Безукоризненная онлайн-приватность
Истинная неприкосновенность частной жизни в интернете станет, наконец, возможной благодаря новому инструменту, который поможет вам доказать, например, что вам больше 18 лет, не указывая дату рождения, или что у вас достаточно денег в банке для финансовой транзакции, не раскрывая ваш баланс или другие детали. Это ограничивает риск нарушения конфиденциальности или кражи личных данных. Инструмент — это новый криптографический протокол, называемый «доказательством с нулевым разглашением». Хотя исследователи работали над ним на протяжении десятилетий, бум интереса случился в прошлом году, отчасти благодаря растущей одержимости криптовалютами, большинство из которых не приватны.
Практичность использования доказательства с нулевым разглашением в большой степени связана с Zcash — цифровой валютой, которая была запущена в конце 2016 года. Разработчики Zcash использовали метод, называемый zk-SNARK (“zero-knowledge succinct non-interactive argument of knowledge”), чтобы предоставить пользователям возможность совершать анонимные транзакции.
Обычно такое невозможно в биткойне и большинстве других публичных блокчейн-систем, в которых транзакции видны всем. Хотя эти транзакции теоретически анонимны, их можно сопоставить с другими данными для отслеживания и даже идентификации пользователей. Виталик Бутерин, создатель второй по популярности блокчейн-сети в мире Ethereum, описал zk-SNARK как «технологию, абсолютно изменяющую правила игры».
Банкам это может помочь в использовании блокчейна в платежных системах, не жертвуя конфиденциальностью своих клиентов. В прошлом году JPMorgan Chase добавила zk-SNARKs в свою собственную платежную систему на основе блокчейн.
Несмотря на то, что технология многообещающая, zk-SNARKи остаются сложными для вычисления и медленными. Они также требуют так называемой «надежной настройки», создающей криптографический ключ, который может поставить под угрозу всю систему, если он попадет в чужие руки. Но исследователи ищут альтернативы, которые будут более эффективно использовать доказательства с нулевым разглашением и не потребуют такого ключа.
Генетическое прогнозирование
Однажды дети при рождении начнут получать карточки с ДНК-анализом. В этих карточках будут даны прогнозы относительно их склонности к сердечным приступам или раку, к курению, а также о возможных показателях интеллекта.
Такая возможность появилась благодаря огромным генетическим исследованиям, в которых участвовало более миллиона человек.
Оказывается, что самые распространенные болезни, многие виды поведения и черты, в том числе интеллект, – это результат не одного или нескольких генов, а многих генов, действующих сообща. Используя данные крупных генетических исследований, ученые создают то, что они называют «полигенными оценками риска».
И хотя новые тесты ДНК дают лишь вероятности, а не ставят диагнозы, они могут значительно помочь медицине. Например, если женщины с высоким риском развития рака молочной железы будут чаще проходить маммографию, а люди с низким риском — реже, то эти проверки смогут выявить больше реальных раковых заболеваний и уменьшить количество ложных тревог.
Фармацевтические компании также могут использовать эти оценки в клинических испытаниях профилактических препаратов для болезни Альцгеймера, например, или заболеваний сердца. Выбирая добровольцев, которые более склонны к болезни, они могут точнее проверить, насколько хорошо работают лекарства.
Беда в том, что эти предсказания далеки от совершенства. Кто хочет знать, что у них может быть болезнь Альцгеймера? Что делать, если человек с низким показателем риска к раку откладывает скрининг, а рак развивается?
Полигенные оценки противоречивы также потому, что могут предсказать любую черту, а не только болезни. Например, они могут прогнозировать около 10% производительности человека в тестах IQ. Вполне вероятно, что по мере развития технологии предсказания ДНК по IQ станут общедоступными. Но как родители и педагоги будут использовать эту информацию?
По мнению поведенческого генетика Эрика Туркхаймера, вероятность того, что генетические данные будут использованы как во благо, так и во вред – это то, что делает новую технологию «одновременно захватывающей и тревожной».
Квантовый скачок материалов
Появление новых мощных квантовых компьютеров ставит перед нами интересную задачу. Они будут способны выполнять вычисления, немыслимые для сегодняшних машин, но мы еще не поняли, как мы сможем использовать эту мощь.
Вероятная и заманчивая возможность: точное проектирование молекул.
Химики уже мечтают о новых белках, чтобы создавать гораздо более эффективные лекарства, о новых электролитах для мощных батарей, о соединениях, которые смогут превращать солнечный свет непосредственно в жидкое топливо, и о гораздо более эффективные солнечных панелях.
У нас нет всего этого, потому что молекулы дико трудно моделировать на классическом компьютере. Попробуйте имитировать поведение электронов даже в относительно простой молекуле, и вы столкнетесь со сложностями, выходящими далеко за пределы возможностей современных компьютеров.
Но это обычная проблема для квантовых компьютеров, которые вместо цифровых битов, представленных единичками и нолями, используют «кубиты» (квантовые биты), которые сами по себе — квантовые системы. Недавно исследователи IBM использовали квантовый компьютер с семью кубитами для моделирования небольшой молекулы, состоящей из трех атомов.
В дальнейшем мы сможем точно моделировать гораздо более крупные и интересные молекулы, поскольку ученые строят машины с большим количеством кубитов и, что также важно, более продвинутыми квантовыми алгоритмами.